Problema 6

Anàlisi de Dades 2024-25

Miquel Àngel Aguiló, Joan Camps, Gerard Ribas

18/12/2024

Continguts

  • Enunciat
  • Introducció
  • Anàlisi exploratòria
  • Models additiu i multiplicatiu Mirau ses notes que he posat
  • Prediccions
  • Conclusions

Enunciat

  • Sèrie temporal trimestral
    • Vendes d’un producte en milers
  • El 80% de les dades són per aprendre, el 20% restant per avaluar la capacitat predictiva
  • Ens demanen:
    • Descriure la sèrie: gràfic, tendència, variabilitat i estacionalitat
    • ACF i PACF
    • Model additiu i multiplicatiu
    • Fer pronòstics amb el millor

Introducció

  • Les dades només són un llistat numèric
    • Dona les vendes en milers
  • No tenim informació de
    • quan comença la sèrie
    • el producte i l’empresa en qüestió
    Completar

Anàlisi exploratòria

Descripció general de les dades

  • Tenim 48 dades (12 períodes de quatre trimestres)
  • Prenim les 36 primeres per aprendre (75%)
  • Les 12 darreres per avaluar els pronòstics

Sèrie temporal

Estacionalitat

p-valor 0.02512728 

    Pairwise comparisons using paired t tests 

data:  df_aux$data and df_aux$mes2 

  1      2      3     
2 0.0115 -      -     
3 0.0235 0.0021 -     
4 0.0159 0.3520 0.0036

P value adjustment method: holm

ACF

PACF

Model additiu i multiplicatiu

Model additiu

  • \(y_t = \mu_t + S_t + a_t\)

Model multiplicatiu

  • \(y_t = \mu_t \cdot S_t \cdot a_t\)

Comparativa (I)

Això ja és des model simplificat. Ho posam abans d’aquesta diapo o ho deim allà? També hauríem de mostrar lo que mos dona es model per veure a ull que sa variança des residus es sa mateixa. Jo proòs no posar es decompose() d’abans pq total no els feim servir i dibuixar es simplificats, dient a sa presentació que no mos serveixen pq no podem fer prediccions

[1] "EQM Model additiu:        76.9027435682529"
[1] "EQM Model multiplicatiu:  64.1098453899129"

Comparativa (II)

[1] 0.5594675
[1] 0.7827857

Prediccions

Model multiplicatiu

Diapositives de prova

Ses próximes diapos són de prova.

Múltiples columnes

Left column

Right column

Resultat d’un codi

     Qtr1   Qtr2   Qtr3   Qtr4
1   57.73  46.27  69.32  51.98
2   62.85  53.30  87.21  55.90
3   70.26  65.61  81.57  55.99
4   85.10  56.52  79.23  61.85
5   83.08  79.99  96.34  62.12
6  116.73  83.29 116.95  67.87
7  105.12  93.90 111.84  89.19
8  113.29  97.60 128.38 109.95
9  129.72  96.75 158.88  87.42
10 142.16  93.15 136.17 108.48
11 159.59 125.63 165.30 109.78
12 134.62 121.73 169.27 132.69

Codi visible

plot.ts(ts, xlab = "Temps", ylab = "Ventes en milers", xaxt="n")
lines(c(1,60), c(10,160), type='l')
axis(1, at = x, labels = x)

Miquel Àngel Aguiló, Joan Camps, Gerard Ribas